【深度学习&计算机视觉入门】基础知识学习&环境搭建&进阶教程&实战项目推荐

一、基本概念篇

1. mAP（mean average precision）：目标检测评价指标，各类别AP的平均值
2. precesion：查准率，即在检索后返回的结果中，真正正确的个数占整个结果的比
3. recall：查全率，即在检索结果中真正正确的个数 占整个数据集（检索到的和未检索到的）中真正正确个数的比例；
4. FN：False Negative,被判定为负样本，但事实上是正样本；
5. FP：False Positive,被判定为正样本，但事实上是负样本；
6. TN：True Negative,被判定为负样本，事实上也是负样本；
7. TP：True Positive,被判定为正样本，事实上也是证样本；
   *记忆方法：把缩写分为两个部分，第一个字母（F,T）和第二个字母（P,N）。首先搞清楚第二个字母，即它是你认为该样本的归属应该是怎样（Positive or Negative）；第一个字母即是对你的判断进行的评价（False or True）。这里也许中文可能会有不好理解的地方，所以我想用英文来描述，可能更清晰：第二个字母：What’s your judgement about the sample?；第一个字母：Is your judgement right(true) or not(false)?
   那么有：
   precesion = TP/(TP+FP) 即，检索结果中，都是你认为应该为正的样本（第二个字母都是P），但是其中有你判断正确的和判断错误的（第一个字母有T，F）。
   recall=TP/(TP+FN)即，检索结果中，你判断为正的样本也确实为正的，以及那些没在检索结果中被你判断为负但是事实上是正的（FN）。
8. backbone、head、neck等深度学习中的术语解释
9. NMS
10. 常用模型库介绍：
    https://paddleclas.readthedocs.io/zh_CN/latest/models/index.html
11. IDE：推荐使用VScode 优点：跨平台、免费、轻量、扩展性强；支持语法高亮、代码自动补全（IntelliSense）、代码重构、查看定义功能，并且内置了命令行工具和Git版本控制系统。
12. Anaconda：方便使用Python进行数据科学研究而建立的一组软件包，涵盖了数据科学领域常见的Python库，自带专门用来解决软件环境依赖问题的conda包管理系统。主要是提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
13. Cuda（仅能在有NVIDIA显卡的设备上才能执行）：是NVIDIA推出的只能用于自家GPU的并行计算框架。主流的深度学习框架也都是基于CUDA进行GPU并行加速的。
14. Cudnn：针对深度卷积神经网络的加速库。
15. NVIDIA TensorRT：一种高性能神经网络推理(Inference)引擎，用于在生产环境中部署深度学习应用程序，应用有图像分类、分割和目标检测等，可提供最大的推理吞吐量和效率。
16. Jupyter Notebook：基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。

二、环境部署篇

1. 深度学习环境配置Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow

2. Cuda安装教程

3. 【Ubuntu 20.04 pytorch 环境搭建】深度学习 | 图文安装流程

4. 正确打开方式——ANACONDA和jupyter安装

三、进阶教程篇

1. 自动混合精度训练（基于paddlepaddle）
2. 深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解
3. 深入浅出Yolo系列之Yolov5核心基础知识完整讲解
4. 迁移学习——Fine-tune
5. YOLOv5 实现目标检测（训练自己的数据集实现猫猫识别）

四、上手项目推荐篇

1. 超详细从零开始yolov5模型训练
2. 手把手教你使用YOLOV5训练自己的目标检测模型-口罩检测-视频教程
3. 安全帽检测YoloV3模型在树莓派上的部署（基于paddlepaddle）

五、问题分析与解决

1. 深度学习PyTorch，TensorFlow中GPU利用率较低，CPU利用率很低，且模型训练速度很慢的问题总结与分析

六、参考学习资料

1. 动手学深度学习PyTorch版（配合GitHub源码、Jupyter Notebook学习）
   链接：
   https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497
   https://zh.d2l.ai/index.html
   https://github.com/d2l-ai/d2l-zh

2. 吴恩达深度学习deeplearning.ai

3. PyTorch深度学习快速入门教程